ఉచిత Whisper API
Whisper అనేది OpenAI యొక్క ఓపెన్ స్పీచ్ రికగ్నిషన్ మోడల్. మీరు దీన్ని Groq, Cloudflare Workers AI మరియు OVH AI Endpointsపై ఉచితంగా నడపవచ్చు, ప్రతిదానికి దాని స్వంత పరిమితులు ఉంటాయి. FreeLLMAPI ఈ Whisper హోస్ట్లను ఒకే OpenAI-compatible ఎండ్పాయింట్ వెనుక ఉంచుతుంది. మీ కోడ్ /v1/audio/transcriptionsను కాల్ చేస్తుంది, మరియు ఒక హోస్ట్ తన పరిమితికి చేరినప్పుడు రౌటర్ తదుపరి హోస్ట్కు మారుతుంది.
కోడ్, మోడల్ పేర్లు మరియు ప్రత్యక్ష కేటలాగ్ లేబుల్లు ఇంగ్లీషులోనే చూపబడతాయి.
Whisper ఎక్కడ ఉచితం
పట్టిక లైవ్ కేటలాగ్ నుండి FreeLLMAPI కేటలాగ్లోని అన్ని ఉచిత ట్రాన్స్క్రిప్షన్ మోడళ్లను జాబితా చేస్తుంది. Whisper వరుసలు మోడల్ IDలో whisper ఉన్నవి.
| మోడల్ | ప్రొవైడర్ | గరిష్ట అప్లోడ్ | ఉచిత పరిమితి |
|---|---|---|---|
Whisper Large v3 Turbo (Groq)whisper-large-v3-turbo | Groq | 25 MB | free tier - 25 MB uploads |
Whisper Large v3 (Groq)whisper-large-v3 | Groq | 25 MB | free tier - 25 MB uploads |
Whisper Large v3 Turbo (Cloudflare Workers AI)@cf/openai/whisper-large-v3-turbo | Cloudflare Workers AI | - | Workers AI free allocation |
Whisper (Cloudflare Workers AI)@cf/openai/whisper | Cloudflare Workers AI | - | Workers AI free allocation |
Deepgram Nova-3 (Cloudflare Workers AI)@cf/deepgram/nova-3 | Cloudflare Workers AI | - | Workers AI free allocation |
Whisper Tiny English (Cloudflare Workers AI)@cf/openai/whisper-tiny-en | Cloudflare Workers AI | - | Workers AI free allocation |
Cohere Transcribe Arabic (07-2026)cohere-transcribe-arabic-07-2026 | Cohere | 25 MB | free evaluation key - 1,000 calls/month shared |
Cohere Transcribe (03-2026)cohere-transcribe-03-2026 | Cohere | 25 MB | Free evaluation key — 1,000 calls/month shared; language defaults to English |
Voxtral Mini Transcribe 2 (Mistral)voxtral-mini-2602 | Mistral | 25 MB | Renewing Mistral Free-mode monthly usage shared with Studio/API/Vibe; account-specific allowance. Paid overage may apply if enabled. |
Whisper Large v3 (OVH)whisper-large-v3 | OVH AI Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Whisper Large v3 Turbo (OVH)whisper-large-v3-turbo | OVH AI Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Typhoon ASR Realtimetyphoon-asr-realtime | Typhoon | - | Ongoing free research API (shared rate limits) |
Typhoon Isan ASR Realtimetyphoon-isan-asr-realtime | Typhoon | - | Ongoing free research API (shared rate limits) |
FreeLLMAPI కేటలాగ్ నుండి ప్రత్యక్ష డేటా (వెర్షన్ 2026.11.19, 2026-11-19 న తనిఖీ చేయబడింది). ఉచిత పరిమితులు తరచుగా మారుతాయి. కేటలాగ్ ప్రతి రోజు తనిఖీ చేయబడుతుంది.
| హోస్ట్ | Whisper మోడళ్లు | ఉచిత పరిమితి (అధికారిక) | దేనికి ఉత్తమం |
|---|---|---|---|
| Groq | Whisper Large v3, Whisper Large v3 Turbo | ఉచిత టియర్లో ప్రతి ఫైల్కు 25 MB. 10 సెకన్ల కంటే తక్కువ ఆడియో 10 సెకన్లుగా లెక్కించబడుతుంది | వేగం మరియు ఖచ్చితత్వం |
| Cloudflare Workers AI | Whisper Large v3 Turbo, Whisper మరియు Whisper Tiny English | ప్రతి రోజు 10,000 న్యూరాన్లు. Large v3 Turbo ప్రతి ఆడియో నిమిషానికి 46.63 న్యూరాన్లను ఉపయోగిస్తుంది | VTT ఉపశీర్షికలు, ప్రతి రోజు సుమారు 214 ఆడియో నిమిషాలు |
| OVH AI Endpoints | Whisper Large v3, Whisper Large v3 Turbo | ప్రతి IP చిరునామా మరియు మోడల్కు నిమిషానికి 2 అభ్యర్థనలు, కీ లేకుండా | సైన్-అప్ లేకుండా ఫాల్బ్యాక్ |
Groq మరియు Cloudflare కీలను కలిపి జోడించండి. Groq 429 ఎర్రర్ పంపినప్పుడు, రౌటర్ అదే ఫైల్ను చైన్లోని తదుపరి హోస్ట్కు పంపుతుంది. OVH మంచి చివరి ఫాల్బ్యాక్, ఎందుకంటే దాని అనామక పరిమితి తక్కువ. ప్రతి హోస్ట్ ఉచిత పరిమితులు వేరుగా ఉంటాయి, కాబట్టి ప్రతి అదనపు కీ సామర్థ్యాన్ని జోడిస్తుంది.
Whisper Large v3 లేదా Large v3 Turbo?
Groq రెండు మోడళ్లకు పదాల లోపం రేటు (WER) ప్రచురిస్తుంది. తక్కువ WER అంటే తప్పు పదాలు తక్కువ.
| మోడల్ | Groq పై WER | Groq పై అనువాదం | ఎప్పుడు ఎంచుకోవాలి |
|---|---|---|---|
whisper-large-v3 | 10.3% | అవును | ఖచ్చితత్వం ఎక్కువ ముఖ్యం, ఉదాహరణకు పేర్లు, సంఖ్యలు మరియు యాస |
whisper-large-v3-turbo | 12% | లేదు | స్పష్టమైన మాటలకు వేగవంతమైన ఫలితాలు కావాలి |
Cloudflareపై Whisper Tiny English చిన్నది మరియు ఇంగ్లీష్ను మాత్రమే సపోర్ట్ చేస్తుంది. దీన్ని చిన్న, స్పష్టమైన ఇంగ్లీష్ ఆడియో కోసం మాత్రమే ఉపయోగించండి. రెండు పెద్ద మోడళ్లు బహుభాషావి.
/v1/audio/transcriptions ను మాత్రమే జాబితా చేస్తాయి. /v1/audio/translations ఎండ్పాయింట్ లేదు. ఇతర భాషల నుండి ఇంగ్లీష్ పొందడానికి, ముందుగా ట్రాన్స్క్రైబ్ చేయండి, తర్వాత చాట్ మోడల్తో టెక్స్ట్ను అనువదించండి.దశ 1: FreeLLMAPIని ఇన్స్టాల్ చేసి కీలను జోడించండి
FreeLLMAPI ఓపెన్ సోర్స్. ఇది మీ కంప్యూటర్లో Dockerలో నడుస్తుంది. మీ ప్రొవైడర్ కీలు మీ కంప్యూటర్లోనే ఉంటాయి.
ఇన్స్టాల్ చేయండి (macOS లేదా Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001లో డ్యాష్బోర్డ్ను తెరవండి. Keys పేజీలో Groq కీ మరియు Cloudflare కీని జోడించండి. Cloudflare కీ account_id:token రూపంలో ఉంటుంది. OVH Whisperకు కీ అవసరం లేదు. అదే పేజీ నుండి మీ ఏకీకృత కీని కాపీ చేయండి.
దశ 2: Whisperతో ట్రాన్స్క్రైబ్ చేయండి
ఫైల్ను multipart/form-dataగా పంపండి. రౌటర్ ఎంచుకోవడానికి model=auto లేదా model=whisper-1 ఉపయోగించండి. ఒక మోడల్ను పిన్ చేయడానికి, దాని IDని పంపండి. whisper-large-v3-turbo ID Groq మరియు OVH వరుసలతో సరిపోతుంది, కాబట్టి ఫెయిలోవర్ అదే మోడల్పై ఉంటుంది.
curl: Whisper Large v3 Turboను పిన్ చేయండి
curl http://localhost:3001/v1/audio/transcriptions \
-H "Authorization: Bearer <unified-key>" \
-F [email protected] \
-F model=whisper-large-v3-turbo \
-F response_format=verbose_jsonPython: Cloudflare Whisper నుండి ఉపశీర్షికలు
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
with open("lecture.mp3", "rb") as audio:
vtt = client.audio.transcriptions.create(
model="@cf/openai/whisper-large-v3-turbo", # Cloudflare makes VTT natively
file=audio,
response_format="vtt",
)
open("lecture.vtt", "w", encoding="utf-8").write(vtt)దీర్ఘ రికార్డింగ్లు: కంప్రెస్ చేసి విభజించండి
FreeLLMAPI మరియు Groq ఉచిత టియర్ రెండూ ఒక అప్లోడ్లో గరిష్టంగా 25 MBని అంగీకరిస్తాయి. Whisper ఆడియోను 16 kHz మోనోకు తగ్గిస్తుందని Groq చెబుతుంది. ఫైల్ను చాలా చిన్నదిగా చేయడానికి అప్లోడ్ ముందే ఇది చేయండి. దీర్ఘ రికార్డింగ్ల కోసం ఆడియోను భాగాలుగా విభజించండి.
ffmpeg: 10 నిమిషాల 16 kHz మోనో FLAC భాగాలు
ffmpeg -i podcast.mp3 -ar 16000 -ac 1 -c:a flac -f segment -segment_time 600 part%03d.flacPython: భాగాలను క్రమంలో ట్రాన్స్క్రైబ్ చేయండి
import glob
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
texts = []
for path in sorted(glob.glob("part*.flac")):
with open(path, "rb") as audio:
extra = {"prompt": texts[-1][-200:]} if texts else {} # end of the previous part
r = client.audio.transcriptions.create(model="auto", file=audio, **extra)
texts.append(r.text)
print("\n".join(texts))రెండు భాగాల సరిహద్దులో ఒక పదం కత్తిరించబడవచ్చు. ఖచ్చితమైన ఫలితాల కోసం Groq భాగాల మధ్య చిన్న అతివ్యాప్తులను సూచిస్తుంది. అప్లోడ్ ముందు ప్రతి భాగం పరిమాణాన్ని తనిఖీ చేయండి, ఎందుకంటే కొన్ని ఆడియో బాగా కంప్రెస్ కాదు.
మెరుగైన Whisper ట్రాన్స్క్రిప్ట్లు పొందండి
- భాషను సెట్ చేయండి:
languageనుen,deలేదాurవంటి కోడ్తో పంపండి. అప్పుడు Whisper భాషను గుర్తించాల్సిన అవసరం లేదు. - ప్రాంప్ట్ను ఉపయోగించండి: పేర్లు, ఉత్పత్తి పేర్లు మరియు ప్రత్యేక పదాలను
promptలో పంపండి. Whisper వాటిని స్పెల్లింగ్ కోసం సందర్భంగా ఉపయోగిస్తుంది. - temperatureను 0 వద్ద ఉంచండి: ఎక్కువ విలువ మరింత వైవిధ్యమైన టెక్స్ట్ ఇస్తుంది, ఇది ట్రాన్స్క్రిప్ట్లకు అరుదుగా ఉపయోగపడుతుంది.
- ఆడియోను శుభ్రం చేయండి: సంగీతం మరియు దీర్ఘ నిశ్శబ్దాలను తొలగించండి. మైక్రోఫోన్కు దగ్గరగా మాట్లాడి రికార్డ్ చేయండి.
- టైమ్స్టాంప్లు పొందండి:
response_format=verbose_jsonఉపయోగించండి. ప్రొవైడర్ సెగ్మెంట్లను ఇచ్చినప్పుడు, ప్రతిదానికి ప్రారంభ మరియు ముగింపు సమయం ఉంటుంది. సెగ్మెంట్లు లేకపోతే, మీకు టెక్స్ట్ మాత్రమే ఉన్న సాధారణ JSON వస్తుంది. - హోస్ట్ను తనిఖీ చేయండి:
X-ProviderమరియుX-Modelప్రతిస్పందన హెడర్లు ఏ హోస్ట్ మరియు మోడల్ ట్రాన్స్క్రిప్ట్ చేశాయో చూపుతాయి. నాణ్యతను పోల్చినప్పుడు వాటిని లాగ్ చేయండి.
సమస్య పరిష్కారం
| సమస్య | కారణం | పరిష్కారం |
|---|---|---|
ఎర్రర్ 413 file_too_large | అప్లోడ్ 25 MB కంటే పెద్దది | 16 kHz మోనో FLACకు మార్చండి, లేదా ఫైల్ను విభజించండి |
| పదాలు పునరావృతమవుతాయి, లేదా నిశ్శబ్దంలో టెక్స్ట్ కనిపిస్తుంది | దీర్ఘ నిశ్శబ్ద భాగాలలో Whisper మాట్లాడనిది రాయవచ్చు | అప్లోడ్ ముందు దీర్ఘ నిశ్శబ్దాలను కత్తిరించండి |
| పేర్లు తప్పుగా స్పెల్ అవుతున్నాయి | Whisperకు ఆ పేర్లు తెలియవు | prompt ఫీల్డ్లో పేర్లను పంపండి |
| OVH నుండి ఎర్రర్ 429 | అనామక పరిమితి నిమిషానికి 2 అభ్యర్థనలు | Groq లేదా Cloudflare కీని జోడించండి |
srt పై ఎర్రర్ 400 | ఏ ప్రొవైడర్ SRT చేయదు | Cloudflare Whisper మోడల్తో vtt ఉపయోగించండి |
తరచుగా అడిగే ప్రశ్నలు
ఉచిత Whisper API ఉందా?
అవును. Groq, Cloudflare Workers AI మరియు OVH AI Endpoints పరిమితులతో Whisperను ఉచితంగా నడుపుతాయి. FreeLLMAPI వాటిని ఫెయిలోవర్తో ఒకే OpenAI-compatible ఎండ్పాయింట్ వెనుక ఉంచుతుంది.
ఉచిత Whisper API ఫైల్ పరిమాణ పరిమితి ఎంత?
Groq తన ఉచిత టియర్లో ప్రతి ఫైల్కు 25 MBని అనుమతిస్తుంది, మరియు FreeLLMAPI 25 MB వరకు అప్లోడ్లను అంగీకరిస్తుంది. ఆడియోను 16 kHz మోనోకు మార్చండి, లేదా దీర్ఘ రికార్డింగ్ల కోసం విభజించండి.
Whisper Large v3 Turbo, Whisper Large v3 వలె ఖచ్చితమైనదా?
పూర్తిగా కాదు. Groq Turbo కోసం 12% మరియు Large v3 కోసం 10.3% పదాల లోపం రేటును జాబితా చేస్తుంది. Turbo వేగవంతమైనది మరియు చెల్లింపు ప్లాన్లలో తక్కువ ఖర్చు అవుతుంది.
ఉచిత Whisper API ఆడియోను ఇంగ్లీష్కు అనువదించగలదా?
FreeLLMAPIకి అనువాద ఎండ్పాయింట్ లేదు. ముందుగా ఆడియోను ట్రాన్స్క్రైబ్ చేయండి, తర్వాత ఉచిత చాట్ మోడల్తో టెక్స్ట్ను అనువదించండి.
ఉచిత Whisper APIతో OpenAI Python SDK పనిచేస్తుందా?
అవును. base_url ను http://localhost:3001/v1 కు సెట్ చేయండి, తర్వాత model="auto" లేదా Whisper మోడల్ IDతో client.audio.transcriptions.create ను కాల్ చేయండి.
సంబంధిత గైడ్లు
- ఉచిత స్పీచ్ టు టెక్స్ట్ API
- ఉచిత text to speech API
- free groq api
- free cloudflare api
- OVH AI Endpoints ఉచిత API
- LLM తో ఉచిత అనువాద API
మూలాలు
- FreeLLMAPI README: supported endpoints (20 November 2026 న తనిఖీ చేయబడింది)
- Groq docs: Speech to text (20 November 2026 న తనిఖీ చేయబడింది)
- Cloudflare Workers AI pricing (20 November 2026 న తనిఖీ చేయబడింది)
- Cloudflare Workers AI: whisper-large-v3-turbo (20 November 2026 న తనిఖీ చేయబడింది)
- OVHcloud AI Endpoints capabilities (20 November 2026 న తనిఖీ చేయబడింది)